基于遗传算法的数字集成电路多故障测试生成方法

在数字集成电路多故障测试生成算法的研究中,寻求具有高故障覆盖率,较短测试生成时间是问题的关键。文中采用遗传算法,通过对已有算法的分析,提出了计算简单、切实有效的适应度函数,减小了算法的时间复杂度,实验结果证明该算法可以有效地得到故障的测试矢量。     

数字电路多故障测试生成的神经网络方法研究

本文深入研究基于Ｈｏｐｆｉｅｌｄ神经网络的数字电路多故障测试生成方法，该方法利用电路基本逻辑门和Ｈｏｐｆｉｅｌｄ网络的特性，建立多故障测试生成的神经网络模型，通过求解网络能量函数的最小值点获得给定多故障的测试矢量。文中提出了加速测试生成的技术策略，为多故障的测试提供了一种可能的新途径。     

基于神经网络的电路多故障测试及并行实现

对数字电路的多故障测试生成,首先构造被测电路的约束电路结构,并建立测试生成的神经网络模型,然后采用遗传进化算法计算约束电路对应神经网络能量函数的最小值点而获得给定多故障的测试矢量,该方法具有易于实现和有良好的内在并行性等特点.同时给出了算法的并行实现方案.     

一种电路测试的最优神经网络与遗传进化方法

针对数字电路中信号线的单故障与多故障,本文首先建立电路测试的最优神经网络模型,然后设计一种两子群体竞争进化的遗传算法求网络能量函数的最小值点而获得给定故障的测试矢量,实验结果表明该方法能降低电路对应的神经网络规模并减少测试生成的计算量.     

基于人工智能算法的空气轴承式板形仪检测辊环优化设计研究

针对空气轴承式板形仪检测辊环的结构参数优化问题求解的复杂性,提出了采用基于神经网络的模拟退火遗传算法的智能优化方法.对板形仪检测辊环结构参数优化的神经网络基本结构、遗传算法个体与适应度函数的构造、遗传算子的设计及参数选取等进行了深入的研究,并结合工程实践有效验证了该算法的有效性.     

一种优化约束函数的混合编码遗传新算法

采用遗传算法对约束函数进行优化也得到了广泛关注与认同,但在解决高维、多约束优化时存在"早熟"和发散现象。采用整合数列编码和实数编码遗传算法,设计出序列-实数混合编码遗传算法,并利用次算法对多个典型约束函数进行优化测试,对算法性能进行测试评估,结果表明,混合编码遗传算法在求解高维复杂问题的性能较实数编码遗传算法有较大改善。     

面向芯片计算机集成的时钟树构建

阐述了芯片的版图设计中形成时钟二叉树的多级遗传算法，从理论上说明了该遗传算法的求解思路、编码方式、适应度函数、遗传算子的设计等。重点讨论了节点合并策略和单节点二叉树的形成。提出了时钟二叉树的多级模型，并设计了基于多级遗传算法的时钟二叉树形成算法。用该算法对随机测试例子和标准标杆测试例子的测试中发现，与传统的启发式算法相比，多级遗传算法能产生更好的测试结果。     

BP-GA算法对斗轮堆取料机回转平台的结构优化

提出了一种基于BP神经网络和遗传算法(GA)的多工况离散变量结构优化设计方法,并对某斗轮堆取料机回转平台进行优化设计。该方法将多工况问题处理为多约束问题,利用正交试验法选择神经网络训练样本点,通过参数化有限元模型计算出各工况下的样本数据,建立起基于BP神经网络的回转平台数学模型,为遗传算法提供适应度函数,最后运用遗传算法完成寻优计算。结果表明,回转平台自重减轻13.8%,取得了满意的优化效果。     

基于递阶遗传算法优化神经网络的研究

基于递阶结构的遗传算法可以同时对神经网络进行拓扑结构优化和权重的求解，具有较高的学习效率。针对HGA在优化神经网络过程中的一些参数，如适应度函数、交叉概率和变异概率等做了一些研究，并且比较HGA与一般遗传算法、BP算法的区别，把HGA和BP2种算法结合起来优化神经网络，最后给出仿真实例。     

整车物流网络规划集成优化模型研究

优化整车物流系统配送网络可降低成本，为此，建立了综合考虑运输规模效应、库存控制策略、设施和服务质量等决策因素的整车物流网络规划集成优化模型。给出了一种流预测和遗传算法相结合的求解方法。在遗传算法中采用二进制码和自然码组合的编码方式，使得每个合法染色体都代表一种可行物流网络结构。为了解决适应度函数中的工厂与分销中心之间的运输成本计算困难的问题，提出了流预测算法，用于确定产品在工厂、集货中心和分销中心构成的凹费用流网络中的最优运输路径，进而获得适应度函数值。最后，通过仿真试验验证了优化模型的正确性和算法的有效性。